llm.
ИИ в тестировании: разбираем падения автотестов, оцениваем LLM и строим обвязку агентов
В августе прошёл Bugs Busters — митап для QA-специалистов от ЮMoney. Спикеры компании рассказали, как применяют ИИ для анализа причин падения e2e-автотестов, как устроен инструмент для подбора оптимальной LLM-модели под конкретную задачу и как строить обвязку вокруг агентов. Пропустили митап? Собрали главное из докладов и приложили записи выступлений.Разбираем падения автотестов с помощью ИИ
Запустить LLM локально: что считать до покупки видеокарты?
Всем привет, меня зовут Сергей Прощаев, я Tech Lead и руководитель направления Java/Kotlin‑разработки в FinTech & E‑commerce, преподаю на курсах разработки и архитектуры в ОТУС.В этой статье расскажу про домашний стенд для локального инференса
FIT Visualizer: как я дошёл от ошибки Google AI до собственного анализатора тренировок
Всё началось с выбора велокомпьютера.Я сравнивал несколько недорогих вариантов — в частности, Sigma ROX 4.0 примерно за 80 евро и CYCPLUS M1 примерно за 50. По возможностям они выглядели достаточно похоже, поэтому я решил спросить совета у Google AI.Google AI, среди прочего, сообщил мне, что основные преимущества Sigma ROX 4.0 раскроются на моём электровелосипеде, а CYCPLUS M1 можно подключить к компьютеру по USB как Mass Storage и забрать с него файлы тренировок для дальнейшего анализа. Электровелосипеда у меня нет, поэтому был выбран CYCPLUS M1.
Почему юридический AI‑сервис нельзя строить как обычный чат: проектируем case‑first SaaS на Go
Несколько месяцев назад мне понадобилось заключить договор с водоканалом. Казалось бы, обычная бюрократическая задача: отправил документы, дождался ответа, подписал договор. На практике всё оказалось значительно веселее — ответа долго не было, сроки шли, а что делать дальше, было не совсем понятно.Юриста у меня не было, зато был AI. Я загрузил документы, описал ситуацию и начал разбираться, какие вообще есть варианты дальнейших действий. В итоге с помощью AI подготовил несколько обращений и жалоб, после чего ситуация сдвинулась с места и договор со мной всё‑таки заключили.
The Anthill Paradox: Why «Safe» AI Agents Build Unsafe Systems
Researchers and developers are increasingly warning that LLM-based agents exhibit dangerous, unpredictable properties. These properties potentially threaten not just the stability of internet platforms, but humanity as a whole.Some propose halting model development until policies and tools guaranteeing safe agent behavior are designed and implemented. I believe this might yield some effect, but overall, these efforts will fall short of the expected results.In this article, I examine anthills, humans, and LLMs to demonstrate exactly when an agent ceases to be merely an agent. The properties developers are trying to guarantee at the individual agent level actually emerge at the level of the "agent plus environment" system, where the individual agent does not dictate the overall trajectory of the system.Let's start with anthills
От Excel к диалогу: как мы построили ИИ-помощника Эйру для управления портфелем из 100+ проектов
Меня зовут Сергей Иванов, я руковожу направлением цифровизации проектного управления.Мой профессиональный путь начался еще в то время, когда границы между ролями были гораздо менее выражены: разработчики сами формулировали требования и тестировали свои решения, аналитики нередко одновременно управляли проектами, а ИТ во многих компаниях воспринималось скорее как поддерживающая функция, чем как один из драйверов развития бизнеса.
От работы с ИИ можно поехать кукухой: 7 ловушек продуктивности, которые начинаются со слов «я теперь успею больше»
Кукушка ведет независимый аудит происходящего
Луддиты 2.0: почему борьба с нейрослопом проиграна
Недавно я прочитал статью «Хабр проиграл войну с нейрослопом» автора orchidfiles. Автор с разгромом проходит по любителям использовать ИИ в процессе написания контента, называя это всё «НЕЙРОСЛОП». И сетует, что принятый три месяца назад запрет на использование ИИ (4 пункт правил) по факту не работает.Начну с пункта правил.

